MHC Ⅱ类亲和肽预测算法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景和意义 | 第11-13页 |
| 1.2 国内外研究概况 | 第13-16页 |
| 1.3 MHC Ⅱ类亲和肽预测的主要挑战 | 第16页 |
| 1.4 本文的主要研究内容和创新点 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 亲和肽预测的研究方法 | 第19-33页 |
| 2.1 相关数据库 | 第19页 |
| 2.2 多肽序列的表示方式 | 第19-20页 |
| 2.3 生成模型算法 | 第20-21页 |
| 2.4 绑定核心算法 | 第21-25页 |
| 2.4.1 PSSM矩阵 | 第22-23页 |
| 2.4.2 吉比斯采样算法 | 第23-24页 |
| 2.4.3 蚁群算法 | 第24-25页 |
| 2.5 机器学习算法 | 第25-32页 |
| 2.5.1 聚类 | 第26-27页 |
| 2.5.2 支持向量机 | 第27-28页 |
| 2.5.3 人工神经网络 | 第28-30页 |
| 2.5.4 集成学习 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 MHC Ⅱ类亲和肽预测算法 | 第33-51页 |
| 3.1 MHC Ⅱ类亲和肽预测算法MHC2NNZ | 第33-35页 |
| 3.1.1 MHC2NNZ算法整体流程 | 第33-34页 |
| 3.1.2 绑定亲和度编码 | 第34-35页 |
| 3.2 绑定核心的确定 | 第35-38页 |
| 3.2.1 蒙特卡洛方法 | 第35-36页 |
| 3.2.2 确定绑定核心 | 第36-38页 |
| 3.3 多肽序列基本特征提取 | 第38-41页 |
| 3.3.1 BLOSUM矩阵相关特征 | 第38-40页 |
| 3.3.2 PSSM特征 | 第40页 |
| 3.3.3 长度特征 | 第40-41页 |
| 3.4 新PFR特征提取方法 | 第41-45页 |
| 3.4.1 基本特征归一化 | 第41-42页 |
| 3.4.2 z描述符特征 | 第42-43页 |
| 3.4.3 MHC2NNZ(3)特征提取 | 第43-45页 |
| 3.5 新锚点特征提取方法 | 第45-50页 |
| 3.5.1 HQI特征 | 第45-48页 |
| 3.5.2 其他特征 | 第48-49页 |
| 3.5.3 MHC2NNZ(24)特征提取 | 第49-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 基于MHCNNZ算法的亲和肽预测 | 第51-60页 |
| 4.1 实验数据 | 第51-52页 |
| 4.2 亲和肽预测实验 | 第52-54页 |
| 4.2.1 绑定核心测定 | 第52页 |
| 4.2.2 MHC2NNZ(3)特征提取结果 | 第52-53页 |
| 4.2.3 MHC2NNZ(24)特征提取结果 | 第53页 |
| 4.2.4 集成神经网络模型训练 | 第53页 |
| 4.2.5 交叉验证 | 第53-54页 |
| 4.3 预测结果比较分析 | 第54-59页 |
| 4.3.1 评估指标 | 第54-55页 |
| 4.3.2 算法结果比较分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第67-68页 |
| 作者在攻读硕士学位期间所作的项目 | 第68-69页 |
| 致谢 | 第69页 |
